Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images

要約

OCT画像から網膜浮腫病変関節をセグメンテーションするタスクにおいて、ぼやけた境界、症状間の大きなスケールの違い、バックグラウンドノイズの干渉などの複雑な病理学的特徴に焦点を当て、より信頼性の高いセグメンテーション結果を可能にします。
この論文では、信頼性評価を伴う正確なセグメンテーション結果を提供できる、新しい信頼性の高いマルチスケール ウェーブレット強化変換ネットワークを提案します。
具体的には、OCT画像内の網膜浮腫病変の複雑な病理学的特徴を学習するモデルの能力を向上させることを目的として、ウェーブレット強化特徴抽出ネットワークと新しく設計したマルチスケール変換モジュールを統合する新しいセグメンテーションバックボーンを開発します。
一方、セグメンテーション結果の信頼性を高めるために、主観的論理証拠理論に基づく新しい不確実性セグメンテーションヘッドが導入され、対応する全体的な不確実性評価スコアマップを使用して最終的なセグメンテーション結果が生成されます。
AI-Challenge 2018の公開データベース上で網膜浮腫病変のセグメンテーションに関する包括的な実験を実施しました。その結果、私たちの提案手法は他の最先端のセグメンテーションアプローチと比較して、高い信頼性でより優れたセグメンテーション精度を実現することが示されました。

コードは https://github.com/LooKing9218/ReliableRESeg でリリースされます。

要約(オリジナル)

Focusing on the complicated pathological features, such as blurred boundaries, severe scale differences between symptoms, background noise interference, etc., in the task of retinal edema lesions joint segmentation from OCT images and enabling the segmentation results more reliable. In this paper, we propose a novel reliable multi-scale wavelet-enhanced transformer network, which can provide accurate segmentation results with reliability assessment. Specifically, aiming at improving the model’s ability to learn the complex pathological features of retinal edema lesions in OCT images, we develop a novel segmentation backbone that integrates a wavelet-enhanced feature extractor network and a multi-scale transformer module of our newly designed. Meanwhile, to make the segmentation results more reliable, a novel uncertainty segmentation head based on the subjective logical evidential theory is introduced to generate the final segmentation results with a corresponding overall uncertainty evaluation score map. We conduct comprehensive experiments on the public database of AI-Challenge 2018 for retinal edema lesions segmentation, and the results show that our proposed method achieves better segmentation accuracy with a high degree of reliability as compared to other state-of-the-art segmentation approaches. The code will be released on: https://github.com/LooKing9218/ReliableRESeg.

arxiv情報

著者 Meng Wang,Kai Yu,Chun-Mei Feng,Ke Zou,Yanyu Xu,Qingquan Meng,Rick Siow Mong Goh,Yong Liu,Huazhu Fu
発行日 2023-09-12 01:56:17+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, eess.IV パーマリンク